[发明专利]一种智能监控系统

权利要求书

1.一种智能监控系统，其特征在于，其包括以下设备：

目标物监测设备，用于监测在警示区域内存在的目标物；

图像定位设备，用于目标物监测设备识别出目标物后，在一定时间内定位所述目标物并获取一组待判断图像；

人体识别设备，用于从所述图像定位设备获取所述一组待判断图像，识别所述一组待判断图像中是否均存在人体；

目标识别设备，用于当所述人体识别设备判定存在一组待判断图像中均存在人体，则识别该组所述待判断图像中存在人体特征最多的一张待判断图像作为待测人体图像；然后从后台数据库中获取安全人体图像；利用深度卷积神经网络将所述安全人体图像学习出安全人体特征，并根据所述安全人体特征判断所述待测人体图像得出是否为安全人体的结果。

2.如权利要求1所述的智能监控系统，其特征在于，人体识别设备识别时还包括以下步骤：若该组待判断图像中均存在人体，则判断该组每一张待判断图像中是否存在相同数量的人体；

若是，则所述目标识别设备识别该组所述待判断图像中存在人体特征最多的一张待判断图像作为待测人体图像；

若否，则首先选取人体数量最多且一致的若干张待判断图像，再识别这些待判断图像中存在人体特征最多的一张待判断图像作为待测人体图像。

3.如权利要求1所述的智能监控系统，其特征在于，所述目标识别设备还包括人脸识别步骤，具体包括：

利用人脸识别模块识别待测人体图像的第一人脸信息，并与所述安全人体图像的第二人脸信息进行匹配，判断所述安全人体图像得出是否为安全人体。

4.如权利要求3所述的智能监控系统，其特征在于，所述目标识别设备在识别将待测人体图像的第一人脸信息前还包括以下步骤：

将所述待判断图像划分为第一人脸区域和第一背景区域；将安全人体图像划分为第二人脸区域和第二背景区域；然后将所述第二背景区域的颜色覆盖所述第一背景区域。

5.如权利要求3所述的智能监控系统，其特征在于，所述人脸识别步骤的方法具体为：

训练人脸识别模块；

获得所述待测人体图像或该组待判断图像，利用训练得到的人脸识别模块对其进行检测，得到待测人体图像中的人脸区域rl，在所述人脸区域rl中进行五官定位，得到待测人体图像的第一五官数据；

确定安全人体人脸图像，对安全人体人脸图像进行五官检测，得到安全人体人脸图像的第二五官数据；

基于所述第一五官数据和第二五官数据，计算两者全脸及局部五官相似度；

计算待测人体图像和安全人体人脸图像的概率融合相似度，得到判断结果。

6.如权利要求5所述的智能监控系统，其特征在于，若所获取的是待测人体图像，则人脸识别模块利用ASM算法对其进行检测；若所获取的是该组待判断图像，则采用非监督学习，即使用CNN模型去检测人脸关键点位置，然后使用光流（flow tracking）跟踪该组待判断图像的下一帧图片人脸关键点位置作为融合信息给CNN检测器去作为人脸关键点的辅助信息。

7.如权利要求1所述的智能监控系统，其特征在于，所述目标识别设备还包括输入设备；所述目标识别设备还用于从所述输入设备中获取所述安全人体描述后，通过自然语言处理所述安全人体描述并筛选出安全人体关键信息，然后利用所述安全人体关键信息应用深度学习得出安全人体特征。

8.如权利要求7所述的智能监控系统，其特征在于，所述深度卷积神经网络是使用AlexNet经典网络在ImageNet预训练的CNN模型所构建的，并利用所述后台数据库中的全部安全人体图像进行训练得出。